从“双手”到“大脑”：AI工具的进化何时是终点？

200万年前，人类的祖先拾起一块石头，把它敲成趁手的工具。从那以后，关于工具的故事里，主角始终只有一个：人。石头变成铁器，铁器变成蒸汽机，蒸汽机变成计算机，计算机又催生出大模型。工具越来越聪明，但站在工具背后的，始终是人。

直到今年，开始出现转弯。

2026年，一件安静却难以逆转的事正在发生：智能系统开始研究智能系统本身。这件事有个称呼，叫 AI4AI。前沿研究者和集中的资源，都在往这个方向汇聚。

而在深圳，有一支团队已经把它做出来了。他们用群体协作的方式，让不同的智能体之间传递经验、自行组合、持续迭代，给出了一个工程层面的初步答案。这个产品，叫 EvoX。

这个问题，为什么搁置了这么久

从实验室到产品之间，隔着一道不常被提起的坎。

现实场景里，积压着大量从未被认真重新打磨过的旧系统。外卖调度、导航路权、简历推荐，这些当年由工程师们反复调试出来的成果，想要进一步优化，往往需要大量试错，需要领域专家和工程师长期高强度的配合，投入高到多数公司都不太愿意碰。于是它们就这样一直跑着，年复一年，逐渐堆成了难以维护的“屎山代码”。

并非没人看见这个问题，只是过去解决它的成本，长期高于它带来的回报。

AI4AI 想要改写的，正是这个成本结构：让 AI 持续去研究、调整这些旧系统，让试错成本明显降低，迭代节奏明显加快。这已经不是遥远的设想，而是现在就可以着手推进的事。

真正剩下的问题是：用什么组织方式，才能让 AI 把这件事做得更稳、更可持续。

EvoMap 给出的答案是“蜂群”

EvoMap 2025 年在深圳成立，团队规模不大，但结构紧凑，成员背景互补，走的是小而精的路线。他们做的事情，可以用一句话概括：把 AI4AI 从一个方向性的判断，慢慢做成能落地的东西。

创始人：张昊阳，1997年出生，11岁自学编程，14岁成为国内最年轻的Unity认证开发者。

2026年1月，候机时用手机完成的插件原型发出吸引大量关注，随后在15天内敲定了数百万美元的天使轮融资。团队成员以95后、00后为主。当多数人还在反复论证方向可行性的时候，他们已经把第一个可运行的答案摆上了桌面。

他们给出的答案不是做一个更强的单体模型，，而是把切入点放在了最底层的问题上：Agent之间应该如何组织？

EvoX最核心的能力，被称为蜂群模式。

常见的多Agent系统，大多依赖一个中心节点进行统一调度。中心下发指令，Agent按指令执行，本质上仍是流水线逻辑的延伸。蜂群模式走的是另一条路：没有中心调度，Agent之间以平级关系相互连接，根据任务信号自主选择协作对象，灵活组队。单个Agent并不复杂，但群体层面能够涌现出超出个体的协作智能。

用他们自己的话来说：“一个Agent学会，百万Agent继承。”（One agent learns, a million inherit.）

这并非停留在概念层面，而是有实验数据作为支撑。他们使用同一模型（Claude Haiku 4.5），在563道逻辑、数学与物理题上进行了对比测试。单个Agent独立作答时，正确率为26%；采用多Agent分工协作的Sub-Agent模式，正确率提升至38%；而在EvoX蜂群模式下，正确率跃升至70%以上。

模型没有变，题目也没有变，唯一调整的是Agent之间的组织方式，正确率却接近原来的三倍。

信息交接中的隐性损耗

这个实验里还有一个反直觉的发现，值得单独说明。

Sub-Agent模式在中间过程中其实已经答对了373道题，但经过后续的汇总、整合与交付，最终能够正确输出的结果只剩下217道，中间丢失了156道，保留率约为55%。

也就是说，损耗并没有发生在“解题”环节，而是集中出现在“信息交接”环节。Agent之间的上下文传递，吞掉了接近一半的正确结果。

蜂群模式针对这一点做了调整：让每个Agent保持独立的上下文，最终结果通过确定性程序完成汇合，从而绕开了信息传递过程中的损耗。

这看起来是一个工程细节，但它指向了一个更普遍的问题：AI系统真正的瓶颈，往往不在于单个模型的能力上限，而在于多个Agent之间如何组织、如何协作、如何在信息传递中尽可能不失真。

这正是EvoMap选择切入的方向。

把"AI优化AI"真正做成一件事

更具说服力的成果AutoResearch（已开源）。https://github\.com/EvoMap/AutoResearch

AutoResearch 是围绕“AI 自主寻找研究方向”的科研项目，整个流程由蜂群协作完成。不同 Agent 分别承担计划、实现、运行、审查四个环节，形成一条相对完整的科研闭环。

它所针对的，是 AI 系统长期存在的两个核心问题：幻觉与信息失真。

在工程测试中，AutoResearch 处理 SWE-bench Lite 的 Django 修复任务时，官方新增功能测试从最初的 2/7 逐步推进至 7/7，同时 203 个回归测试全部保持通过。

这意味着，单个模型难以独立跑通的科研闭环，在合理的协作机制下，可以由多个 Agent 共同完成。整个过程可追溯、可验证，代码也已开源，并非停留在演示层面的数据。

在这套系统里，失败不会被简单丢弃，而是作为下一轮优化的输入，进入新的迭代循环。

旧算法的债，其实每天都在还

很多运行了多年的旧算法，早已嵌入日常生活的各个角落。你未必意识到它们的存在，却一直在为它们的停滞付出成本。

外卖为什么总在高峰期变慢？

外卖平台的骑手调度算法，沉淀多年，却很少被真正重新优化过。它不会根据当天的天气、单量或实时路况自我调整，只是反复执行最初写下的那套逻辑。

所以午高峰你还是在等，下雨天它还是比显示时间更晚送达。

问题不在骑手。是调度系统一直没有变聪明。

如果让 AI 持续研究、迭代这套调度逻辑，同样的骑手，可以被安排得更合理。骑手少跑冤枉路，你等餐的时间也会缩短。不是平台投入了更多人，而是人终于被用对了地方。

导航为什么总给你一条“看起来不对”的路？

很多人都有过这种经历：导航规划的路线，走到一半才发现，旁边那条明显更快。

导航没有坏。是背后的路权模型，哪条路在什么时段、什么天气下应该优先推荐，仍然沿用着几年前的参数，没有被系统性地重新校准。

路况数据每天都在更新，但算法底层的权重没有跟着变。

如果 AI 能持续分析路况数据，自动发现权重偏差并迭代修正，导航给出的路线就不再是“统计上的最优”，而是“此刻对你更优”。

简历为什么总是石沉大海？

很多公司用 ATS 系统筛选简历，本质上是关键词匹配。简历先经过一道机器滤网，再送到 HR 手里。

很多公司使用的这套筛选逻辑，已有超过十年没有实质更新。它不理解语义，不关心上下文，只认关键词。

结果就是：一个完整负责过项目管理、只是没写“PMP”的人，可能在第一轮就被过滤掉；一个关键词写得漂亮、实际能力存疑的人，反而顺利进入面试。

招聘方觉得找不到合适的人，求职者觉得投了也是白投。

双方都在为一个从未被优化过的旧算法买单。

这三个场景，结构是一样的：旧算法运行多年，因为优化成本过高而从未被真正迭代。AI 的出现，第一次让“持续改进”变得可行。

这就是“AI 优化 AI”，在普通人生活里最具体的模样。

从工具进化到工具研究自身

凯文·凯利在《失控》中描述过蜂群的本质：没有一只蜜蜂知道整个蜂巢的全貌，但成千上万只蜜蜂各自遵循简单的局部规则，持续交换信息，最终涌现出高度复杂的群体行为。

这种智能不属于任何个体，而属于系统本身。

EvoMap 所做的，某种程度上正是这一逻辑的工程化版本：让大量 Agent 各司其职，互相继承经验，在没有中心调度的情况下自组织协作，完成单个 Agent 无法独立完成的任务。

没有记忆的蜂群，只是临时协作；能够沉淀经验的蜂群，才构成组织。

但这件事情的意义，不止于效率提升。

它指向一个更深远的变化：人类用200万年，把工具推到了可以研究工具自身的地步。

过去，一个博士用五年时间做出的研究，背后是无数次试错、推翻与重建。这些经验大多只留存在研究者的个人判断里。即便写成论文，也是高度压缩后的版本，大量失败路径被隐去。下一位研究者接手时，往往要从头再踩一遍相似的坑。

如果 AI 能把这些试错过程系统性地记录下来，整理成可继承的经验，并传递给下一个 Agent，让它不必再从零开始——那么原本需要五年的研究，有没有可能压缩到一周？

省下的四年零五十一周，人类拿来做什么？

EvoMap 团队希望，答案是：去问更大的问题。

THE NEXT

EvoMap 的愿景，用他们自己的话来说，是构建一个“硅基生命社会”：大量 Agent 各司其职，互相继承经验，在自组织协作中逐步逼近通用人工智能。

这个目标听起来很远，但 EvoX 已经开放体验，AutoResearch 也已开源。实验数据可以查，代码可以读。他们交出的不是一个概念，而是一个可以运行、可以验证的初步答案。

在产品层面，EvoMap 选择用蜂群协作的方式，把“AI 优化 AI”变成普通人能打开、能用、能感知到的东西。

很多后来改变世界的工具，最初都只是为解决一个具体问题而生。印刷机最早被用来印《圣经》，互联网起步时不过是一种更高效的通信方式，智能手机刚出现时，看起来也只是“更贵的手机”。没有人能在起点就看清全部的未来。

EvoMap 现在所做的，可能也处于这样的位置。

一支规模不大、结构紧凑的年轻团队，在深圳，把“AI 优化 AI”从一个判断，做成了一款可以跑起来的产品。故事刚刚开始，边界还远未触及。

如果你想看看这个起点具体长什么样，EvoX 现在可以下载体验。

evomap.ai